artigo

Prévia do material em texto

A Elasticidade preço-demanda e a concentração do mercado de 
cimento no Brasil. 
 
 
 
Thiago do Bomfim Dornelas*
 
 
Área de Submissão para o III Encontro Pernambucano de Economia: 
3. Teoria Aplicada 
 
Endereço: Rua Desembargador Góes Cavalcanti, 303. – Parnamirim – Recife/PE – CEP: 
52060-140 
e-mail: thiago_dornelas@hotmail.com 
Fone: (81) 3442-1443 / (81) 9634-7664 
 
 
 
 
 
 
 
 
 
 
* Graduando em Economia na Universidade Federal de Pernambuco. 
mailto:thiago_dornelas@hotmail.com
1 
 
A Elasticidade preço-demanda e a concentração do mercado de cimento no 
Brasil. 
Resumo: 
O presente trabalho analisou dois importantes fatores da indústria de cimento do Brasil, a 
elasticidade preço-demanda e os índices de concentração da indústria, dado a importância deste 
segmento para a economia brasileira. Os resultados foram apresentados para os âmbitos 
regionais e nacional como forma de analisar o impacto dos mercados regionais no mercado 
brasileiro de cimento. Através da base de dados do preço, consumo e índices de atividade da 
construção civil foram estimadas as equações de demanda por cimento em cada região brasileira 
e posteriormente, calculadas as elasticidades preço-demanda. Já a partir da participação de 
mercado de cada empresa deste setor tornou-se possível analisar a concentração industrial do 
mercado de cimento e sua evolução durante o período estudado. 
Palavras chaves: Cimento, elasticidade preço-demanda, índices de concentração. 
Abstract: 
 
This paper examined two important factors of the cement industry in Brazil, price elasticity of 
demand and the industry’s concentration index, given the importance of this segment for 
Brazilian economy. All results were presented in regional and national levels as a way to 
analyze the impact of regional markets in Brazilian cement industry. Through the database of 
price, consumption and construction activity, demand functions for cement were estimated in 
each region and subsequently calculated the price elasticity of demand. Using each company’s 
market share in this sector made possible to analyze the industrial concentration of the cement 
market and its evolution during the studied period. 
Keywords: Cement; price elasticity of demand; concentration index. 
 
 
 
 
 
 
 
 
 
 
2 
 
1. Introdução 
Em um país em desenvolvimento como o Brasil, com um amplo horizonte pela frente, 
porém com grandes problemas no âmbito político e estrutural, como déficits habitacionais e de 
infraestrutura, a importância do mercado de cimento não pode ser descartada, pois o cimento é 
o principal insumo da construção. 
Com o início da produção no Brasil no final do século XIX e um intenso crescimento a 
partir da década de 70, o Brasil se encontra atualmente, segundo Sindicato Nacional da Indústria 
de Cimento - SNIC (2013), na sexta posição entre os países que mais produzem cimento no 
mundo e em quarto em consumo. 
O crescimento da indústria de cimento está intimamente ligado à atividade da construção 
que, por sua vez, é um dos pilares do desenvolvimento econômico brasileiro. Tanto é que nos 
últimos anos pôde ser considerado um termômetro da economia, pois quando o setor da 
construção está aquecido, a economia como um todo vai bem. 
De acordo com os dados do SNIC (2013), a produção de cimento no Brasil quase dobrou 
entre os anos de 2003 e 2013, apresentando, assim, uma expectativa otimista para o futuro do 
mercado. Esse otimismo é, principalmente, baseado na necessidade de investimentos de 
infraestrutura a serem realizados no país nos próximos anos. Assim como os investimentos em 
saneamento e habitação, muitos dos quais já foram anunciados. 
Devido a esse grande volume de investimento, é esperado que a capacidade produtiva de 
cimento do Brasil no ano de 2016, segundo a Cemnet2, atinja o patamar de 111 milhões de 
toneladas, o que representa um crescimento de 42% em relação ao ano de 2011. 
Dada a importância do mercado de cimento para economia brasileira, este trabalho busca 
estudar a estrutura deste mercado através dos índices de concentração da indústria, além de 
analisar como a demanda por cimento se comporta quando há variações em seu preço, através 
da elasticidade preço-demanda. 
O desenvolvimento deste trabalho será dividido em quatro partes, a primeira parte é 
composta por um breve histórico e a situação atual do mercado de cimento no Brasil, a segunda 
é formada pelo embasamento teórico referente a elasticidade preço-demanda e índices de 
concentração. Em seguida, o capítulo da metodologia, o qual serão apresentados a base de dados 
utilizadas no estudo e explicitados os modelos matemáticos dos temas abordados, por fim serão 
apresentados e analisados os resultados. 
 
2. O histórico e o panorama atual do mercado de cimento no Brasil. 
 
O cimento é um produto essencial que está presente em todas as obras, das mais simples as 
mais elaboradas, além de ser considerada uma commodity de baixa substitutibilidade, sendo 
considerado o insumo básico da indústria da construção civil. 
O cimento é o principal componente do concreto e, segundo o SNIC, é o material mais 
consumido no mundo, depois da água. O cimento é um produto homogêneo, de baixa variedade 
e possui processo produtivo similar em todo o mundo. 
Apesar das atividades industriais de cimento terem sido iniciadas no final do século XIX, 
foi no final da década de 70 que esse segmento começou a ganhar notoriedade e se desenvolver. 
Da década de 80 até os dias atuais, a indústria de cimento brasileira apresentou um significativo 
crescimento, com um aumento do consumo de 2,6 vezes em três décadas. 
Porém, como se pode analisar na figura 1, nesse período, a indústria de cimento passou por 
momentos de crescimento, crises e estagnações, sempre impulsionada por fatores econômicos 
da economia brasileira. 
 
2 International Cement Review 
3 
 
Figura 1 – Consumo aparente de cimento no Brasil 
 
 
Em 1970, a produção de cimento no país se encontrava estagnada em 9 milhões de 
toneladas/ano. Com o chamado “milagre econômico” apresentado pela economia brasileira, na 
primeira metade dessa década, a produção atingiu, em 1980, o patamar de 27,2 milhões de 
tonelada/ano. 
Os problemas macroeconômicos apresentados pelo país nos anos posteriores, 
principalmente a inflação, afetaram bastante o consumo de cimento que ficou estagnado por 15 
anos. Todavia, com o sucesso do plano real em 1995 e a abertura do mercado de cimento para 
concorrência estrangeira, a indústria de cimento retomou o crescimento. 
O crescimento só foi interrompido com a crise da construção civil nos quatros primeiros 
anos do século XXI. Já a partir de 2004, o crescimento dessa indústria tem sido constante, 
excluindo o ano de 2009 que apresentou uma pequena queda, devido à crise mundial. 
Cunha e Fernandes (2003) destacam a importância da entrada das empresas estrangeiras 
para a evolução do mercado de cimento: 
 
A entrada das multinacionais no mercado brasileiro submeteu as firmas locais 
à concorrência de grupos tradicionais e bem administrados, o que alterou a 
estrutura e a conduta do setor. As empresas e grupos passaram por um 
processo de adaptação que ocasionou um aumento na capacidade produtiva 
instalada, um aumento no tamanho das empresas e diminuição do número de 
grupos concorrentes dentro da indústria (CUNHA e FERNANDES, apud 
GALDINO e GARCIA, 2008, p 3). 
 
Nos últimos dez anos, com o crescente aumento dos investimentos em infraestrutura feitos 
no país, a correlação entre o PIB, o crescimento da atividade da construção civil e a indústria 
de cimento se tornou ainda mais intensa, com essas três variáveis caminhando sempre juntas, 
como pode ser observado na figura 2: 
 
4 
 
Figura 2 – Evolução do PIB, PIB da construção civil e consumo de cimentono Brasil 
 
Fonte: SNIC, IBGE e CBIC . - Elaboração própria. 
 
Esse grande crescimento também foi acompanho pelo aumento do número de fábricas no 
Brasil. Em 2012, segundo o SNIC (2013), o país possuía 85 fábricas de cimento instaladas, com 
destaque para a região sudeste, que produz 49% do cimento brasileiro, seguido pelo nordeste 
com 20 %. 
Esse aumento na capacidade produtiva foi gerado a partir de um grande volume de 
investimento das empresas, visto que essa é uma indústria capital intensivo, onde a instalação 
de uma fábrica, segundo dados do SNIC (2013), dura em média de 3 a 5 anos, com investimento 
em torno de 200 a 300 milhões de dólares para um fábrica com a capacidade instalada de 1 
milhão de toneladas/ano. 
A concentração regional da indústria é um ponto negativo para a demanda de cimento, por 
ser este um produto com baixa relação preço/peso, o cimento é muito onerado pelo frete, 
sofrendo impacto dos aumentos de combustíveis, entre outros insumos. 
“O raio de distribuição do produto atinge em média 300 a 500 quilômetros nas regiões 
Sudeste e Sul, podendo chegar a mais de mil quilômetros no Norte e Nordeste do país.” 
(SNIC,2013, p.11). Sendo a distribuição feita, principalmente, pelas rodovias. 
A forma de despacho do cimento é predominantemente ensacado, que representa 67% de 
todo cimento despachado no país, sendo os demais 33% despachados a granel. Já o principal 
canal de distribuição de cimento é a partir de revendedores e concreteiras. 
Assim como em todo o mundo, o mercado de cimento brasileiro apresenta as características 
de um oligopólio natural devido as grandes barreiras à entrada de novos concorrentes, como o 
alto investimento para implantação de uma unidade produtora, o restrito acesso à matéria prima 
próxima dos grandes centros consumidores, a necessidade de grandes quantidades de energia 
para produção e os elevados custos de transporte e armazenamento do produto devido à baixa 
relação preço/peso. 
Atualmente o mercado nacional conta com 15 players, entres empresas nacionais e 
estrangeiras. Destaque para a Votorantim Cimentos que detém 35% da venda de todo o 
mercado, seguida pelos grupos João Santos e Intercement, com 10% cada, além da Lafarge e 
Cimpor, com 9% cada. Elas compõem o grupo das cinco maiores empresas do mercado. 
Observando a figura 3, pode-se constatar que os mercados regionais são muitos distintos 
entre si, alguns mais concorridos, como sudeste e nordeste, e outros mais concentrados, como 
o norte. 
 
 
 
5 
 
Figura 3 – Market share da indústria de cimento no Brasil – 2012. 
Fonte: SNIC. - Elaboração própria. 
 
A distinção entre os mercados regionais é explicada por diversos fatores que já foram 
abordados anteriormente, a exemplo, o fato do cimento ser um produto muito onerado pelo 
frete. Assim, as vendas de uma empresa em determinada região do país dependem bastante da 
proximidade de suas unidades produtoras da área de venda. 
No exemplo do grupo João Santos, percebe-se que por ele ter toda sua capacidade instalada 
nas regiões norte e nordeste, consegue competir em igualdade com a Votorantim nas mesmas 
áreas. Porém, em razão da distância em relação as suas unidades produtoras, não está presente 
nos mercados do sul e sudeste. 
Com o elevado crescimento apresentado pela indústria nos últimos anos aliado à ocupação 
da quarta posição no consumo mundial de cimento, as perspectivas para esta indústria mostram-
se otimistas, baseadas não só nos altos volumes de investimentos em infraestruturas a serem 
realizados nos próximos anos, como também pelo potencial de crescimento do consumo per 
capita de cimento no Brasil que, segundo a Cement (2013), se encontra apenas na nona 
colocação no ranking do consumo per capita, figurando como o menor volume entre os países 
emergentes. 
6 
 
 
3. Referencial Teórico 
3.1. Especificação da demanda por cimento no Brasil 
Após introduzir a estrutura do mercado de cimento no tópico desenvolvido anteriormente, 
esta seção terá como objetivo a especificação da demanda por cimento no Brasil. A equação de 
demanda adotada no presente trabalho será baseada na equação desenvolvida por Salvo (2004), 
em seu trabalho “Conduct in the Brazilian Cement Industry”. 
A equação de demanda por cimento é uma função em relação ao índice de atividade da 
construção e ao preço do cimento: 
 
log 𝑄 = 𝛽0 + 𝛽1𝑌𝑐 + 𝛽2 log(𝑝) + 𝛽3𝑡𝑒𝑚𝑝𝑜 + 𝜖 
Onde: 
 
 𝑄: É a quantidade demandada de cimento; 
 𝛽0, 𝛽1, 𝛽2: São os regressores da equação, a serem estimados; 
 𝑌𝑐: É o índice de atividade da construção civil 
 𝑝: É o preço do cimento 
 𝑡𝑒𝑚𝑝𝑜: Variável de 1 a 12, representando cada mês do ano. 
 
A inclusão da variável “tempo” no modelo é apenas para diminuir os efeitos das variações 
mensais decorrentes dos movimentos sazonais. Logo, apesar de aparecer na equação, os valores 
a serem estimados de 𝛽3 não serão analisados. 
Desta forma, Salvo (2004) confirma em sua equação demanda a forte relação existente entre 
a construção civil e a demanda por cimento, mencionada na seção anterior. Logo, a demanda 
por cimento é uma variável dependente da atividade da construção civil, dada pelo PIB da 
mesma, e o preço do cimento. 
Os regressores da equação podem ser interpretados da seguinte forma: 
 
 𝛽0 é o consumo autônomo de cimento do mercado; 
 𝛽1 é coeficiente que relaciona a atividade da construção civil com a quantidade 
demandada por cimento, ou seja, como a quantidade demandada varia com uma 
mudança na atividade da construção civil; 
 𝛽2 é o coeficiente que relaciona o preço e quantidade demandada de cimento, 
mostrando como uma variação percentual do preço do cimento afeta 
percentualmente a demanda pelo produto; 
 
3.2. Elasticidade preço-demanda 
 
A decisão dos consumidores entre comprar um produto ou não, leva em consideração 
diversos fatores como: preço, necessidade, existência de bens substitutos, entre outros. 
Contudo, o principal fator nessa decisão, sem dúvida, é o preço, que é comumente utilizado 
como único fator determinante nas curvas de demandas de diversos produtos. 
Dada a importância da relação preço e quantidade, é fundamental entender como se 
comporta uma variável quando há variação na outra, em outras palavras, entender e quantificar 
o quão sensível é uma variável em relação a outra. Esse é o papel da elasticidade. 
“A elasticidade é uma medida da resposta da quantidade demandada ou da quantidade 
ofertada a variações dos seus determinantes” (MANKIW, 2005, p. 90). Assim, a elasticidade 
visa mensurar o quanto a variação nos determinantes influencia na quantidade demandada. 
7 
 
Varian (2010) destaca a importância do conceito de elasticidade: 
 
Bem, ela é uma medida de sensibilidade – mas apresenta alguns problemas. O 
mais sério é que a inclinação de uma curva de demanda depende das unidades 
das quais medimos a quantidade e o preço. Se medirmos a demanda em 
quilogramas, em vez de gramas, a inclinação ficará mil vezes menor, Em vez 
de especificar as unidades o tempo todo, convém considerar uma medida de 
sensibilidade que independa das unidades. Os economistas têm utilizado uma 
medida chamada elasticidade. (VARIAN, 2010, p. 288) 
 
Este trabalho irá utilizar exclusivamente a elasticidade preço-demanda, que é o tipo de 
elasticidade comumente utilizada. Como já menciona o próprio nome, a elasticidade preço-
demanda mensura a sensibilidade da quantidade demandada em relação ao preço. 
“A elasticidade preço-demanda é uma medida do quanto a quantidade demanda de um bem 
reage a uma mudança no preço do bem em questão, calculada como a variação percentual da 
quantidade demandada dividida pela variação percentual do preço.” (MANKIW, 2005, p. 90). 
Dessa forma, este trabalho tem como objetivo analisar a sensibilidade da variação da 
quantidade demandada de cimento, quando ocorre uma variação em seu preço, através da 
equação de demanda abaixo é procedidaa estimação: 
 
log 𝑄 = 𝛽0 + 𝛽1𝑌𝑐 + 𝛽2 log(𝑝) + 𝛽3𝑡𝑒𝑚𝑝𝑜 + 𝜖 
 
3.3. Índices de concentração 
 
As diferentes estruturas de mercado presentes na economia trouxeram a necessidade do 
desenvolvimento de técnicas capazes de identificar e quantificar esses diferentes tipos de 
mercados, como forma de otimizar as tomadas de decisões dos agentes econômicos. O estudo 
dos índices de concentração da indústria é uma dessas técnicas. 
“Bain3 (1958) destaca quatro elementos importantes: 1) o grau de concentração de 
vendedores; 2) o grau de concentração de compradores; 3) a diferenciação de produtos e; 4) as 
barreiras à entrada de novas empresas.” (GARCIA, 1997, p. 2). 
Conforme citado acima, os índices de concentração consistem em um dos quatro pilares da 
análise da estrutura de mercado. Esses índices consistem em quantificar e qualificar o tipo de 
concentração presente em cada indústria, identificando os tipos de mercados que cada empresa 
participa. Os cálculos dos índices podem ser feitos através de diversas óticas como venda, 
produção, receita, lucro, entre outros. 
De acordo com Jazynski, Kovaleski e Betim (2013) a ideia de estrutura de mercado exerce 
grande importância no paradigma do tripé estrutura, conduta e desempenho. Nesse sentido a 
economia industrial tem utilizado componente que mensura o grau de concentração de uma 
indústria demonstrando desta forma, o tipo de estrutura de mercado. 
As medidas de concentração pretendem demonstrar de que forma as empresas apresentam 
um comportamento dominante no mercado, e nesse sentido consideram a participação relativa 
de empresa no mercado. (KUPFER; HASENCLEVER, 2002). 
Kupfer e Hasenclever (2002) destacam a importância dos índices de concentração: 
 
Índices de concentração pretendem fornecer um indicador sintético da 
concorrência existente em um determinado mercado. Quanto maior o valor da 
concentração, menor é o grau de concorrência entre as empresas, e mais 
 
3 BAIN, J. S. Industrial organization. New York: John Wiley & Sons, 1958 
8 
 
concentrado (em uma ou poucas empresas) estará o poder de mercado virtual 
da empresa (KUPFER; HASENCLEVER, 2002, p.75) 
Apesar de serem técnicas bastante utilizadas em estudos econômicos, Kupfer e Hasenclever 
(2002) indicam três situações em que os índices de concentração não representam com 
veracidade as estruturas de mercado: 
 
1. Em mercado em que a entradas de novos concorrentes ocorre com facilidade, 
nenhuma empresa poderá exercer o poder de mercado, independentemente do 
tamanho de seu market share; 
2. Quando a elevada participação de uma empresa não é consequência do poder de 
mercado e sim de baixos custo de produção ou produtos de qualidade superior; 
3. Os índices de concentração presumem a demarcação dos mercados, ignorando a 
influência exercida pelos substitutos próximos dos demais mercados. 
 
Contudo, pode-se afirmar que nenhuma dessas circunstâncias se aplicam ao mercado de 
cimento. O alto valor do investimento inicial somado com a necessidade de recursos naturais, 
como calcário, tornam o mercado de difícil acesso a novos competidores, o que invalida a 
primeira afirmação para este mercado. 
No segundo caso, apesar da existência de distinção entre os produtos na questão da 
qualidade, esse fator não é tão significante para o poder de mercado das empresas, assim como 
as diferenças de custos entre os competidores. Por fim, como o cimento é um bem de baixa 
substitutibilidade, não apresenta substitutos próximos, portanto a terceira condição não é 
verdadeira para o mercado de cimento. 
As medidas de concentração podem ser classificadas como parciais ou sumárias. As 
medidas parciais não consideram a totalidade das empresas presentes no mercado, apenas uma 
parte delas. Enquanto as medidas sumárias utilizam dados de toda população amostral. Dentre 
as medidas parciais a razão de concentração é o principal exemplo deste grupo, enquanto que o 
índice concentração de Hirschman-Herfindahl destaca-se entre as medidas sumárias. 
 
4. Metodologia 
4.1. Base de dados 
A base de dados a utilizada para esse trabalho é dividida em duas partes. A primeira parte 
para a análise da elasticidade preço-demanda do cimento e a segunda referente ao estudo dos 
índices de concentração do mercado de cimento no Brasil. 
Para o primeiro caso são utilizadas diversas fontes de dados, que fornecem o consumo 
mensal de cimento, preço do cimento, os índices de atividade da construção civil e índices de 
inflação. 
Da CBIC – Câmara Brasileira da Indústria da Construção, foram extraídos os dados do 
consumo mensal de cimento pelas grandes regiões e total do Brasil do período compreendido 
entre janeiro de 2003 a dezembro de 2011. Assim como a evolução mensal do preço do cimento 
Portland em saco de 50 kg para o mesmo período. 
Para os indicadores da atividade econômica da construção civil, são utilizados os dados do 
IBGE – Instituto Brasileiro de Geografia e Economia referentes ao PIB trimestral da construção 
civil de 2003 á 2011, para o Brasil. Assim como o VAB - Valor Adicionado Bruto da construção 
civil por grandes regiões, divulgados anualmente, no mesmo período. 
O deflator a utilizado é o INCC – Índice Nacional da Construção Civil, que é calculado nas 
principais regiões metropolitanas do país e divulgado mensalmente pela FGV. 
A segunda parte do trabalho utiliza os dados dos relatórios anuais do SNIC – Sindicato 
Nacional da Indústria de Cimento, desde 2003, onde são divulgados o despacho anual de 
9 
 
cimento por empresa em cada região do Brasil. Portanto será possível analisar a evolução dos 
índices de concentração nessa indústria no período de 10 anos, tanto no âmbito regional, como 
em âmbito nacional. 
 
4.2. Demanda e a Elasticidade preço-demanda do mercado de cimento 
Para ser possível estimar a elasticidade preço-demanda do cimento é necessária 
primeiramente a estimação dos regressores da equação de demanda do mercado de cimento, 
dada por: 
 
log𝑄 = 𝛽0 + 𝛽1𝑌𝑐 + 𝛽2 log(𝑝) + 𝛽3𝑡𝑒𝑚𝑝𝑜 + 𝜖 (1) 
 
Após sua estimação, os regressores passarão por testes para concluir se os mesmos são 
significativos e os melhores regressores para a equação ou são necessários novos ajustes na 
equação, dentre os testes a serem aplicados destacam-se: qualidade do ajuste (R²), testes de 
multicolinearidade, autocorrelação e heterocedasticidade. 
 
4.2.1. Estimação da demanda via OLS 
 
A estimação será feita via OLS4. De início, este método só é valido apenas sobre a 
veracidade da hipótese da exogeneidade estrita. 
 Hipótese 1: Exogeneidade Estrita: 
 
𝐸[𝑢|𝑥] =0 
 
Essa hipótese implica que os erros não observados são independentes de x, além de ser 
composta por dois pressupostos: 
 Pressuposto 1: 
 
𝐸[𝑢] = 0 
 
Este pressuposto implica que a distribuição dos fatores não-observáveis na população tem 
média zero. 
 Pressuposto 2 
 
𝐸[𝑥𝑢] = 0 
 
Este pressuposto implica que a covariância entre x e u é zero. 
Após a apresentação da hipótese utilizada no modelo, podem-se estimar os regressores da 
equação. Como simplificação, será assumida a regressão múltipla abaixo, a qual tem as mesmas 
propriedades da regressão que será estimada para o mercado de cimento (1). Dado a regressão: 
 
𝑦 = 𝛽0 + 𝛽1𝑥1 + 𝛽2𝑥2 +⋯+ 𝛽𝑘𝑥𝑘 + 𝑢 
 
Pela estimação de OLS, temos: 
 
4 Do inglês Ordinary Least Squares é também conhecido como Mínimos Quadrados Ordinários. É um método 
de otimização matemática que procura encontrar o melhor ajuste para um conjunto de dados tentando minimizar 
a soma dos quadrados das diferenças entre o valor estimado e os dados observados, tais diferenças são chamadas 
resíduos. É a forma de estimação mais amplamente utilizada na econometria. Consiste em um estimador que 
minimiza a soma dos quadrados dos resíduos da regressão, deforma a maximizar o grau de ajuste do modelo aos 
dados observados. 
10 
 
�̂� =
[
 
 
 
𝛽0
�̂�1
̂
⋮
𝛽�̂�]
 
 
 
= 𝑎𝑟𝑔𝑚𝑖𝑛(𝛽) ∑𝑢𝑖
2
𝑛
𝑖=1
 
= 𝑎𝑟𝑔𝑚𝑖𝑛(𝛽)∑(𝑦𝑖
𝑛
𝑖=1
− 𝛽0 − 𝛽1𝑥1𝑖 −⋯− 𝛽𝑘𝑥𝑘𝑖)² 
 
Após a condição de primeira ordem obtém-se: 
 
𝜕 ∑𝑢𝑖
2
𝜕𝛽0
= 2 ∑(𝑦𝑖 − �̂�0 − �̂�1𝑥1𝑖 −⋯− �̂�𝑘𝑥𝑘𝑖)
𝑛
𝑖=1
 (−1) = 0 
𝜕 ∑𝑢𝑖
2
𝜕𝛽1
= 2 ∑(𝑦𝑖 − �̂�0 − �̂�1𝑥1𝑖 −⋯− �̂�𝑘𝑥𝑘𝑖)
𝑛
𝑖=1
 (−𝑥1𝑖) = 0 
⋮ 
𝜕 ∑𝑢𝑖
2
𝜕𝛽𝑘
= 2 ∑(𝑦𝑖 − �̂�0 − �̂�1𝑥1𝑖 −⋯− �̂�𝑘𝑥𝑘𝑖)
𝑛
𝑖=1
 (−𝑥𝑘𝑖) = 0 
Logo, é um sistema de k+1 equações para k+1 parâmetros e pode ser resolvido por 
substituição. Tem-se: 
 
∑𝑦𝑖 = �̂�0𝑛 + �̂�1∑𝑥1𝑖 + �̂�2∑𝑥2𝑖 +⋯+ �̂�𝑘 ∑𝑥𝑘𝑖 
∑𝑦𝑖𝑥1𝑖 = �̂�0∑𝑥1𝑖 + �̂�1∑(𝑥1𝑖)² + �̂�2∑𝑥1𝑖𝑥2𝑖 +⋯+ �̂�𝑘 ∑𝑥1𝑖𝑥𝑘𝑖 
⋮ 
∑𝑦𝑖𝑥𝑘𝑖 = �̂�0∑𝑥𝑘𝑖 + �̂�1∑𝑥𝑘𝑖𝑥1𝑖 + �̂�2∑𝑥𝑘𝑖𝑥2𝑖 +⋯+ �̂�𝑘 ∑(𝑥𝑘𝑖)² 
 
Que implica na notação matricial: 
 
[
 
 
 
 
Σ𝑦𝑖
Σ𝑦𝑖𝑥1𝑖
Σ𝑦𝑖𝑥2𝑖
⋮
Σ𝑦𝑖𝑥2𝑖]
 
 
 
 
=
[
 
 
 
 
𝑛
Σ𝑥1𝑖
Σ𝑥2𝑖
⋮
Σ𝑥𝑘𝑖
 Σ𝑥1𝑖
 Σ(𝑥1𝑖)²
 Σ𝑥1𝑖𝑥2𝑖
⋮
 Σ𝑥1𝑖𝑥𝑘𝑖
 Σ𝑥2𝑖 
 Σ𝑥1𝑖𝑥2𝑖 
 Σ(𝑥2𝑖)²
 
⋮
 Σ𝑥2𝑖𝑥𝑘𝑖
…
…
…
⋱
…
 
 Σ𝑥𝑘𝑖 
 Σ𝑥𝑘𝑖 𝑥1𝑖 
 Σ𝑥𝑘𝑖 𝑥2𝑖 
⋮
 Σ(𝑥𝑘𝑖)² ]
 
 
 
 
+
[
 
 
 
 
 
�̂�0
�̂�1
�̂�2
⋮
�̂�𝑘]
 
 
 
 
 
 
 𝑪 𝑨 𝑩 
 
Logo temos: AB = C, se o determinante de A for diferente de zero, existe uma única solução 
para o vetor de coeficientes β, e esta é dada por: 
 
𝐵 = 𝐴−1𝐶 
 
A qualidade do ajuste, também conhecido como R², tem como objetivo mensurar o quanto 
bem as variáveis explicativas ou independentes, explicam a variável dependente. Os valores do 
teste variam de 0 a 1, sendo o limite superior um modelo perfeitamente explicado pelas 
variáveis independentes e o limite inferior um modelo em que as variáveis independentes não 
explicam em nada a variável dependente: 
11 
 
Sendo: 
𝑦𝑖 = �̂�𝑖 + 𝑢�̂� = �̂�0 + �̂�1𝑥1𝑖 +⋯+ �̂�𝑘𝑥𝑘𝑖 + 𝑢�̂� (2) 
 
Elevando ambos os lados ao quadrado, temos: 
 
(𝑦𝑖 − �̅�)
2 = (�̂�𝑖 − �̅� + 𝑢�̂�)² 
= (�̂�𝑖 − �̅�)
2 + 2( �̂�𝑖 − �̅�)𝑢�̂� + (𝑢�̂�)² 
= ∑ (�̂�𝑖 − �̅�)²
𝑛
𝑖=1 + 2∑ ( �̂�𝑖 − �̅�)𝑢�̂�
𝑛
𝑖=1 + ∑ ( 𝑢�̂�)²
𝑛
𝑖=1 (3) 
 𝑨 𝑩 𝑪 
Como B: 
2∑ ( �̂�𝑖 − �̅�) 𝑢�̂�
𝑛
𝑖=1 = ∑ ( �̂�𝑖𝑢�̂�)
𝑛
𝑖=1 − �̅�∑ ( 𝑢�̂�)
𝑛
𝑖=1 ; sendo ∑ ( 𝑢�̂�)
𝑛
𝑖=1 = 0 
 
Resta apenas o primeiro termo da equação, logo: 
 
 ∑( �̂�𝑖𝑢�̂�)
𝑛
𝑖=1
= ∑(�̂�0 + �̂�1𝑥1𝑖 +⋯+ �̂�𝑘𝑥𝑘𝑖)
𝑛
𝑖=1
𝑢�̂� 
�̂�0∑ (𝑢�̂�) + �̂�1∑ ( 𝑢�̂�𝑥1𝑖)
𝑛
𝑖=1 +⋯+ �̂�𝑘 ∑ ( 𝑢�̂�𝑥𝑘𝑖)
𝑛
𝑖=1
𝑛
𝑖=1 
 
Pela hipótese da exogeneidade estrita temos: 
 
∑ (𝑢�̂�) = 0 ; ∑ ( 𝑢�̂�𝑥1𝑖)
𝑛
𝑖=1 = 0 ; ∑ ( 𝑢�̂�𝑥𝑘𝑖)
𝑛
𝑖=1
𝑛
𝑖=1 = 0 
 
Logo, a equação 3 pode ser expressa da seguinte forma: 
 
 
∑ (𝑦𝑖 − �̅�)
2𝑛
𝑖=1 = ∑ (�̂�𝑖 − �̅�)²
𝑛
𝑖=1 + ∑ ( 𝑢�̂�)²
𝑛
𝑖=1 
 
1 =
∑ (�̂�𝑖 − �̅�)²
𝑛
𝑖=1
∑ (𝑦𝑖 − �̅�)2
𝑛
𝑖=1
+
∑ ( 𝑢�̂�)²
𝑛
𝑖=1
∑ (𝑦𝑖 − �̅�)2
𝑛
𝑖=1
 
 
𝑅2 =
∑ (�̂�𝑖 − �̅�)²
𝑛
𝑖=1
∑ (𝑦𝑖 − �̅�)2
𝑛
𝑖=1
= 1 −
∑ ( 𝑢�̂�)²
𝑛
𝑖=1
∑ (𝑦𝑖 − �̅�)2
𝑛
𝑖=1
 
 
Os demais testes a serem realizados visam detectar se os modelos estimados violam os 
pressupostos econométricos da multicolinearidade, heterocedasticidade e autocorrelação. 
Originalmente o conceito multicolinearidade desenvolvido por Ragnar Frisch5 se referia a 
perfeita relação entre todas ou algumas variáveis independentes do modelo de regressão. 
Contudo, atualmente, o termo também abrange as relações entre as variáveis que estão 
intercorrelacionadas, porém não de modo perfeito. Para detectar a presença de multiconearidade 
nos modelos estimados será utilizado o VIF6. 
Guajarati (2006) destaca os principais problemas acarretados pela presença de 
multicolinearidade nas regressões: 
 
Em casos de alta colinearidade, é muito provável que nos deparamos com as 
seguintes consequências: 
 
5 Frisch, Ragnar. Statistical Confluence Analysis by Means of Complete Regression Systems. Institute of 
Economics, Universidade de Oslo, publicação 5, 1934. 
6 Variance Inflation Factor. 
12 
 
1) Embora sejam melhores estimadores lineares não tendenciosos, os 
estimadores de MQO têm grande variância e covariância, tornando difícil uma 
estimação exata. 
2) Em decorrência da consequência 1, os intervalos de confiança tendem a ser 
muito mais amplos, facilitando a aceitação da “hipótese nula igual a zero” (isto 
é, que o coeficiente populacional verdadeiro seja igual a zero). 
3) Também como efeito de 1, a razão t de um ou mais coeficientes tende a ser 
estatisticamente insignificante. 
4) Embora a razão t de um ou mais coeficientes seja estatisticamente 
insignificante, R², a medida geral da qualidade do ajustamento, pode ser muito 
alto. 
5) Os estimadores de MQO e seus erros-padrão podem ser sensíveis a 
pequenas alterações nos dados. (GUJARATI, 2006, p.282) 
 
Uma das premissas dos modelos de regressão linear clássico é a homocedasticidade dos 
termos do erro (𝑢𝑖), caso essa premissa não seja constatada no modelo, ou seja, a variância dos 
erros não seja constante, temos a presença da hetecedasticidade, fazendo com que os 
estimadores deixem de ser os melhores estimadores lineares não tendenciosos (BLUE7). Para 
diagnosticar a existência da mesma, será utilizado o teste de White, e caso necessário a correção 
do modelo, devido a heterocedasticidade, será utilizado a correção robusta de White. 
Por último, serão realizados os testes de autocorrelação nos modelos estimados. A 
autocorrelação pode ser definida como a “correlação entre integrantes de séries de observações 
ordenadas no tempo [como as séries temporais] ou no espaço [como nos dados de corte 
ransversal]”. (Kendall e Buckland; 1971, p.8). 
Assim como no caso da heterocedasticidade os estimadores de MQO na presença da 
autocorrelação deixam de ser eficientes, ou seja, não são mais os melhores estimadores lineares 
não tendenciosos (BLUE). O teste aplicado para identificar a presença de autocorrelação será o 
teste d de Durbin-Watson. Em caso de constatação da mesma, será utilizado a transformação 
de Prais-Winstein para correção. 
 
4.2.2. Elasticidade preço-demanda por cimento 
 
Após a obtenção dos regressores da equação de demanda é possível calcular a elasticidade 
preço-demanda por cimento. Segundo Varian (2006), a elasticidade preço-demanda é definida 
como a variação percentual da quantidade, dividida por uma variação percentual do preço, 
como: 
𝜀 =
Δq/q
Δp/p
= 
Δq
Δp
 
p
q
 
A elasticidade, também pode ser obtida através da derivação da equação de demanda 
multiplicada pela razão preço-quantidade, para a equação de demanda por cimento especificada 
anteriormente temos: 
 
log 𝑄 = 𝛽0 + 𝛽1𝑌𝑐 + 𝛽2 log(𝑝) + 𝛽3𝑡𝑒𝑚𝑝𝑜 + 𝜖 
 
Logo a elasticidade é dada por: 
 𝜀 =
∂Q
∂p
.
p
q
 (4) 
 
Sendo: 
 
7 Best Linear Unbiased Estimate 
13 
 
𝑄 = 𝑒𝛽0+𝛽1𝑌𝑐+𝛽2 log(𝑝)+𝛽3𝑡𝑒𝑚𝑝𝑜+𝜖 e 
𝜕𝑄
𝜕𝑝
= 𝑒𝛽0+𝛽1𝑌𝑐+𝛽2 log(𝑝)+𝛽3𝑡𝑒𝑚𝑝𝑜+𝜖 . (𝛽2
1
𝑝
) 
 
Temos que: 
 
𝜕𝑄
𝜕𝑝
= 𝑄. (𝛽2
1
𝑝
) (5) 
 
Substituindo 5 em 4, temos: 
 𝜀 = 𝛽2 
 
Logo no modelo especificado, a elasticidade preço-demanda é o próprio 𝛽2 , já que o 
mesmo expressa o quanto a variação percentual do preço do cimento afeta percentualmente a 
quantidade consumida do cimento. 
Os valores da elasticidade preço-demanda podem ser classificados em cinco categorias: 
 
 𝜀 = ∞, perfeitamente elástica, ou seja, uma variação na quantidade demandada não 
altera em nada o preço do produto; 
 1 < 𝜀 < ∞, elástica, umavariação no preço do bem causa uma variação ainda maior na 
quantidade demandada; 
 𝜀 = 1, elasticidade unitária, uma variação percentual no preço do bem causa uma 
variação percentual igual na quantidade demandada; 
 0 < 𝜀 < 1, inelástica, quando uma variação no preço do bem causa uma variação 
menor na quantidade demandada; 
 𝜀 = 0, perfeitamente inelástica, a variação no preço do bem não gera qualquer variação 
na quantidade demandada do mesmo. 
 
Como o cimento é um bem de baixa substitutibilidade e essencial para atividade da 
construção espera-se que a elasticidade preço-demanda do mesmo seja inelástica, ou seja, que 
variações no preço do cimento gerem variações menores na quantidade demandada. 
 
4.3. Índices de concentração do mercado de cimento 
 
Das diversas medidas de concentração existentes na teoria econômica, destacam-se os 
índices razão de concentração (CR) e o índice de Hirschman-Herfindahl8 (IHH), que serão 
abordados neste trabalho. 
O índice razão de concentração fornece a parcela de um determinado mercado que é 
dominado pelas k maiores empresas da indústria (k = 1,2,3,...,n). Sendo o k mais comum 4 e 8. 
Logo, a fórmula para o cálculo de CR é dada por: 
 
𝐶𝑅(𝑘) = ∑𝑆𝑖
𝑘
𝑖=1
 
 
Onde: Si indica a participação de mercado de cada uma das empresas. 
 
8 Embora o índice HH venha comumente associado a Herfindahl (1950), sua paternidade pode ser atribuída a 
Hirschman que, alguns anos antes (1945), utilizou a norma euclidiana do vetor das parcelas de mercado (=
√𝐻𝐻) para medir a concentração industrial norte-americana (Hirschman,1964). 
14 
 
Quanto maior o índice, maior será o poder de mercado das k maiores empresas do mercado 
analisado. O CR pode obter valores de 0 a 1, sendo 0 a indicação de um mercado extremamente 
desconcentrado e 1 representa um mercado altamente concentrado. 
Segundo Medeiros e Ostrodki (2006), os valores dos índices de razão de concentração, CR 
(4), podem ser classificados em cinco categorias: 
 
 CR (4) > 75% - Altamente concentrado; 
 65% < CR (4) < 75% - Alta concentração; 
 50% < CR (4) < 65% - Concentração moderada; 
 35% < CR (4) < 50% - Baixa concentração; 
 CR (4) < 35% - Ausência de concentração 
 
Apesar de ser comumente utilizado o índice razão de concentração apresenta algumas 
deficiências como destacam Kupfer e Hasenclever (2002): 
 
1. Eles ignoram a presença das n-k empresas menores da indústria. Deste 
modo, fusões horizontais ou transferências de mercado que ocorrem entre 
elas não alterarão o valor do índice, se a participação de mercado da nova 
empresa (resultante da fusão) ou das empresas beneficiárias (das 
transferências) se mantiver abaixo da k-ésima posição; 
2. Estes índices não levam em conta a participação relativa de cada empresa 
no grupo das k maiores. Assim, importantes transferências de mercado 
que ocorrerem no interior do grupo (sem exclusão de nenhuma delas) não 
afetarão a concentração medida pelo índice. (KUPFER; 
HASENCLEVER, 2002, p.75). 
 
O índice de Hirschman-Herfindahl segue a mesma linha do CR para mensurar a 
concentração, diferenciando-se do anterior por utilizar informações de todas as empresas que 
participam do mercado, elevando ao quadrado a participação de cada uma delas, com o intuito 
de atribuir um peso maior as maiores empresas. Assim a equação para o cálculo do IHH é dada 
por: 
𝐻𝐻 = ∑𝑆𝑖2
𝑘
𝑖=1
 
O IHH pode variar entre 1/n e 1. O limite superior indica uma situação de monopólio, onde 
apenas uma empresa domina o mercado, já no limite inferior, H=1/n, as empresas terão parcelas 
iguais no mercado. Pode-se notar que, à medida que o número de firmas aumenta, o limite 
inferior do índice de Hirschman-Herfindahl diminuirá, quando o número de firmas tende ao 
infinito, o valor do índice tende para zero. 
Uma importante função do índice de Hirschman-Herfindahl, segundo Kupfer e Hasenclever 
(2002), é quanto a sua utilização na regulação econômica pelas agências antitruste dos EUA. 
Estas agências trabalham com IHH calculados em bases percentuais de 100, diferentemente do 
apresentado neste trabalho que tem base em razões decimais. Deste modo as agências simulam 
a variação do IHH antes e depois da potencial fusão para analisar o impacto da mesma na 
concentração do mercado de acordo com os valores abaixo: 
 
 0 ≤ IHH < 1.000: onde não existe preocupação quanto à competição, caso a fusão se 
concretize; 
 1.000 ≤ IHH ≤ 1.800: existe a preocupação quanto à competição se o valor do índice 
aumentar em 100 ou mais; 
15 
 
 IHH > 1.800: existe preocupação quanto à competição se o aumento do índice for maior 
ou igual a 50 pontos. 
Os dois índices apresentados podem ser utilizados para obtenção dos índices de 
concentração através diversos aspectos como as vendas de cada empresa, produção, 
faturamento e lucro. Contudo, este trabalho utiliza as estatísticas de vendas anuais de cada 
empresa do mercado de cimento para o cálculo dos índices. 
 
5. Resultados 
 
5.1. Elasticidade Preço – Demanda 
 
Com os dados de series temporais obtidos do consumo de cimento, o índice de atividade da 
construção civil e o preço do cimento, foi possível estimar equações de demanda por cimento 
e as elasticidades preço-demanda de cada região brasileira e do país como um todo. 
Os resultados são apresentados isoladamente de cada região estudada, com as tabelas de 
correlação entre as variáveis estimadas e a tabela de resultado final, seguido das análises de 
cada valor. 
O uso das tabelas de correlações entre as variáveis é importante para analisar como uma 
variável se relaciona com as demais. Para este trabalho, espera-se que as correlações 
encontradas sejam negativas entre em preço e consumo, e positiva entre o índice de atividade 
da construção civil e o consumo. 
 
5.1.1. Região Norte 
 
Tabela 1 – Matriz de Correlação - Norte 
 
 
Tabela 2 – Quadro de resultados - Norte 
 
 
Pode-se verificar a partir da matriz de correlação das variáveis analisadas a relação negativa 
entre o preço e o consumo, como era de se esperar. Assim como, a relação positiva entre o VAB 
da construção civil e o consumo de cimento. 
Após a regressão via MQO, foi detectado no modelo a existencia de heterocedasticidade. 
Logo, foram aplicadas as medidas corretivas necessárias, como o a correção robusta de White. 
Assim, os valores apresentados na tabela 2 são os valores corrigidos da regressão. 
Analisando a tabela, podemos notar um alto R² da regressão de 0,88, o que significa que 
88,79% das variações do consumo são explicadas pelas variáveis do modelo. Os valores dos 
coeficientes calculados são todos estatisticamente significantes a 99%, segundo os P-valores do 
16 
 
mesmo. Com os coeficientes encontrados, a equação de demanda por cimento para o norte do 
país é: 
𝑙𝑜𝑔𝑄 = 5,65 + 0,000074 𝑌𝑐 − 0,33 𝑙𝑜𝑔(𝑝) + 0,025 𝑡𝑒𝑚𝑝𝑜 
A intrepetação destes coeficientes pode ser feita da seguinte forma: 
 O consumo autônomo de cimento mensal da região Norte é de 5,65 toneladas; 
 Um incremento de uma unidade no VAB da construção civil, leva a um aumento de 
0,0074% do consumo de cimento. 
 Um aumento de percentual de 1% no preço, tem como consequencia a diminuição de 
0,33% da quantidade consumida. 
Logo, podemos assumir que a demanda por cimento na região Norte é inelástica em relação 
ao preço, pois um variação no preço do cimento, gerar uma variação menor na quantidade 
demanda, assim: 
𝜀𝑛𝑜𝑟𝑡𝑒 = − 0,33 
 
5.1.2. Região Nordeste 
 
Tabela 3 – Matriz de Correlação - Nordeste 
 
 
Tabela 4 – Quadro de resultados - Nordeste 
 
 
A matriz de correlação calculada para o Nordeste, tabela 3, apresenta uma maior relação 
entre as variáveis quando comparado a região Norte, tendo o consumo uma relação de 0,92 com 
o índice de atividade da construção civil e de -0,78 com o preço. 
A estimação via MQO apresentou um VIF = 2,04,não apresentado assim problemas de 
multicolinearidade, contudo foram detectados problemas de heterocedasticidade e 
autocorrelação no modelo estimado. 
Após as devidas correções do modelo, o R² apresentado foi de 0,9, o que representa uma alta 
explicação do consumo pelo VAB e preço. Todos os coeficientes foram significantes a 99%, 
com exceção do lnpreço, que é significante a 95%. Assim, podemos escrever a equação de 
demanda por cimento do nordeste como: 
 
𝑙𝑜𝑔𝑄 = 6,25 + 0,000032 𝑌𝑐 − 0,22 𝑙𝑜𝑔(𝑝) + 0,020 𝑡𝑒𝑚𝑝𝑜 
 
Logo, a interpretação dos coeficientes são: 
 O consumo autônomo de cimento do Nordeste é de 6,25 toneladas; 
 Um incremento de uma unidade no VAB da construção civil, leva a um aumento de 
0,0032% do consumo de cimento; 
17 
 
 Um aumento de percentual de 1% no preço, tem como consequencia a diminuição de 
0,22% da quantidade consumida. 
Desta forma, a elasticidade preço-demanda do mercado de cimento nordestino é inelástica, 
pois: 
𝜀𝑛𝑜𝑟𝑑𝑒𝑠𝑡𝑒 = − 0,22 
 
5.1.3. Região Centro Oeste 
 
Tabela 5 – Matriz de Correlação – Centro Oeste 
 
Tabela 6 – Quadro de resultados - Centro Oeste 
 
 
As relações entre as variáveis no Centro Oeste mostram um comportamento semelhantes aos 
casos anteriores, contudo a relação consumo – preço é a menor entre os casos estudados, com 
valor de – 0,37. 
Os dados para região Centro Oeste não apresentaram problemas de multicolinearidade, pois 
o VIF calculado foi de 1,09. Adicionalmente, foram detectados problemas de 
heterocedasticidade e autocorrelação sendo aplicadas as devidas medidas corretivas. 
A nova estimação apresentou um R² de 0,80, o que representa que 80% das variações do 
consumo são explicados pelo preço e VAB. Em contrapartida, o coeficiente do preço não se 
mostrou significantes nem a 90%, logo não podemos afirmar que haja uma relação entre o 
logaritmo do preço e o logaritmo do consumo neste caso. 
Apesar disto, por ser o preço uma variável fundamental deste trabalho, utilizaremos o 
coeficiente estimado na equação de demanda por cimento do Centro Oeste, dada por: 
 
𝑙𝑜𝑔𝑄 = 5,37 + 0,000051 𝑌𝑐 − 0,085 𝑙𝑜𝑔(𝑝) + 0,019 𝑡𝑒𝑚𝑝𝑜 
 
A interpretação dos coeficientes é semelhante as anteriores: 
 O consumo autônomo de cimento do Centro Oeste é de 5,37 toneladas; 
 Um incremento de uma unidade no VAB da construção civil, leva a um aumento de 
0,0051% do consumo de cimento; 
 Um aumento de percentual de 1% no preço, tem como consequencia a diminuição de 
0,085% da quantidade consumida. 
Os resultados apresentados, mostram esta região onde o VAB tem uma importância maior 
na determinação do consumo do que o preço. A elasticidade preço demanda é dada por: 
 
𝜀𝑐𝑒𝑛𝑡𝑟𝑜 𝑜𝑒𝑠𝑡𝑒 = − 0,085 
 
5.1.4. Região Sudeste 
18 
 
 
Tabela 7 – Matriz de Correlação – Sudeste 
 
Tabela 8 – Quadro de resultados - Sudeste 
 
 
Os coeficientes de correlação calculados para o maior mercado regional de cimento do 
Brasil, tabela 7, mostram uma alta e positiva relação entre a quantidade demandada do bem e o 
índice de atividade da construção civil, 0,86, e uma relação negativa entre a quantidade e preço 
de -0.62. 
Como no caso do Centro Oeste, os coeficientes da equação estimados via MQO 
apresentaram problemas de heterocedasticidade e autocorrelação. Com o VIF=1,16, não foi 
constatada a presença de multicolinearidade. 
Após as correções necessárias ao modelo, a tabela 8 apresenta os resultados finais da 
regressão com um R² = 0,84, considerado bastante alto. Além disso, todos os coeficientes da 
estimados são significantes a 99%, a partir do P-valor. Logo, podemos escrever a equação de 
demanda por cimento na região sudeste como: 
 
𝑙𝑜𝑔𝑄 = 7,59 + 0,000007 𝑌𝑐 − 0,25 𝑙𝑜𝑔(𝑝) + 0,008 𝑡𝑒𝑚𝑝𝑜 
 
A interpretação dos coeficientes é: 
 O consumo autônomo de cimento do Sudeste é de 7,59 toneladas; 
 Um incremento de uma unidade no VAB da construção civil, leva a um aumento de 
0,0007% do consumo de cimento; 
 Um aumento de percentual de 1% no preço, tem como consequencia a diminuição de 
0,25% da quantidade consumida. 
Dessa forma, a demanda por cimento é inlástica em relação ao preço, tendo um valor de: 
 
𝜀𝑠𝑢𝑑𝑒𝑠𝑡𝑒 = − 0,25 
 
5.1.5. Região Sul 
 
Tabela 9 – Matriz de Correlação – Sul 
 
Tabela 10 – Quadro de resultados - Sul 
19 
 
 
 
Segundo a matriz de correlação das variáveis analisadas, tabela 9, as variáveis consumo e 
VAB e consumo e preço são altamente correlacionadas, sendo os primeiros positivamente 
correlacionados e o segundo negativamente correlacionados. 
Novamente os estimadores de MQO não se mostraram os melhores estimadores linear não 
tendenciosos, devido a presença da heterocedasticidade e autocorrelação. Contudo, o modelo 
não apresentou problemas de multicolinearidade, com um VIF=4,45. Apesar de bastante alto 
comparado aos casos anteriores, só devemos nos preocupar com a multicolinearidade com 
valores do VIF maiores que 5. 
Depois de aplicadas as correções ao modelo, a tabela 10 mostra um R² = 0,87 para o modelo 
estimado, contudo o coeficiente do preço não significante, devido ao seu alto P-Valor de 0,543, 
logo, não podemos concluir a nada a respeito da relação de consumo e preço deste modelo. 
Contudo, assim como feito no caso do Centro Oeste, iremos utilizar o coeficiente estimado 
mesmo não sendo significante. Desta forma, a equação de demanda por cimento do Sul é dada 
por: 
𝑙𝑜𝑔𝑄 = 5,55 + 0,000035 𝑌𝑐 − 0,063 𝑙𝑜𝑔(𝑝) + 0,010 𝑡𝑒𝑚𝑝𝑜 
 
Dessa forma, pode-se interpretar os coeficientes da seguinte forma: 
 O consumo autônomo de cimento do Sul é de 5,55 toneladas; 
 Um incremento de uma unidade no VAB da construção civil, leva a um aumento de 
0,0035% do consumo de cimento; 
 Um aumento de percentual de 1% no preço, tem como consequencia a diminuição de 
0,06% da quantidade consumida. 
Diante do exposto, a equação de demanda por cimento da região sul é dada por: 
 
𝜀𝑠𝑢𝑙 = − 0,063 
 
5.1.6. Brasil 
 
Tabela 11 – Matriz de Correlação – Brasil 
 
 
Tabela 12 – Quadro de resultados - Brasil 
20 
 
 
 
Para o Brasil, a matriz de correlação mostra a alta e positiva relação entre o consumo e o 
índice de atividade da construção civil, no valor de 0,94, e uma relação negativa entre o 
consumo e preço de -0,65. 
Assim como ocorrido em 4 das 5 regiões estudadas, o modelo estimado para o Brasil 
apresentou problemas de heterocedasticidade e autocorrelação, porém não foi detectado 
problema de multicolinearidade, pois o VIF apresentado foi de 1,36. 
Após as correções necessárias aplicadas ao modelo, todos os coeficientes a serem analisado 
são significantes ao nível de 99% e o coeficiente de determinação da equação, R², encontrado 
foi de 91%. Dessa forma, pode-se escrever a equação de demanda por cimento do Brasil como: 
 
𝑙𝑜𝑔𝑄 = 8,16 + 0,000017 𝑌𝑐 − 0,20 𝑙𝑜𝑔(𝑝) + 0,0021 𝑡𝑒𝑚𝑝𝑜 
 
Logo, a interpretação dos coeficientes estimados são: 
 O consumo autônomo de cimento do Brasil é de 8,16 toneladas; 
 Um incremento de uma unidade no PIB da construção civil, leva a um aumento de 
0,0017% do consumo de cimento; 
 Um aumento de percentual de 1% no preço, tem como consequencia a diminuição de 
0,2% da quantidade consumida. 
Pode-se concluir que, assim como todas as regiões analisadas, a demanda por cimento do 
Brasil é inelástica, ou seja, a quantidade não é muito sensível ao preço, já que: 
 
𝜀𝐵𝑟𝑎𝑠𝑖𝑙 = − 0,2 
 
5.2. Índices de concentração do mercado de cimento 
 
Utilizando as informações de despacho de cada participante do mercado de cimento 
brasileiro, divulgado anualmente pelo SNIC, pôde-se calcular os índices de concentração da 
indústria cimenteira brasileira no âmbito nacional e regional entre os anos de 2003 a 2012. 
Os resultados obtidos confirmam a afirmação da indústria de cimento ser um oligopólio 
natural devido as barreiras de entrada neste mercado, já citadas anteriormente, como o grande 
volume deinvestimento para implantação de uma firma produtora de cimento, o acesso restrito 
à matéria prima próxima dos grandes centros consumidores, altos gastos com energia, entre 
outros. 
Os resultados serão apresentados em três partes, primeiro serão analisados os índices de 
razão de concentração (CR4) obtidos, em seguida serão apresentados os resultados dos índices 
de Hirschman-Herfindahl e por último a comparação da evolução entres os dois índices em 
cada mercado analisado. 
 
6.2.1 Razão de Concentração (CR4) 
 
21 
 
Os valores calculados da razão de concentração para as quatro maiores empresas do setor 
cimenteiro no Brasil e nas grandes regiões apresentados na tabela 13, mostram o quão 
concentrado é o mercado de cimento nacional. Todavia, apresenta uma tendência de redução 
da concentração em quatro dos seis mercados estudados. Esses índices também mostram o quão 
regionalizado é o mercado de cimentos brasileiro. 
 
Tabela 13 – Razão de concentração da indústria de cimento no Brasil e grandes regiões – 2003 a 2012 
 
 
De acordo com a classificação da razão de concentração, quatros das cincos regiões 
brasileiras, com exceção do sudeste, apresentam um mercado altamente concentrado. Dessas 
regiões, o Norte e Sul do país não apresentaram variações nos índices para o período analisado, 
tendo 100% de seus mercados dominados por apenas quatros empresas. 
Em contra partida, o Nordeste e o Centro-Oeste apesar de serem classificado como um 
mercado altamente concentrado, apresentaram uma tendência de redução da concentração nos 
últimos anos, com mais força no Nordeste do país que teve o índice reduzido de 1 para 0,86 em 
10 anos. 
O Sudeste é a única região não classificada como altamente concentrada, pois é a região de 
maior consumo de cimento do país, consequentemente, possui um número maior de empresas 
atuantes no mercado. Apesar disso, o mercado do sudeste ainda apresenta uma alta 
concentração e, assim como o Nordeste, apresenta uma tendência de redução na concentração 
no período analisado. 
Apesar das grandes regiões apresentarem altos índices de concentração, os valores 
calculados para o país apresentam um cenário melhor que todas as regiões separadamente, isso 
pode ser explicado pela regionalização do mercado de cimento brasileiro, onde as empresas não 
atuam em todo território nacional. 
Os índices nacionais se assemelham bastante aos do Sudeste do país, sendo o Brasil 
considerado como um país com um mercado de alta concentração durante nove dos dez anos 
analisados e classificado como moderadamente concentrado em 2012. 
 
6.2.2 Índice de Hirschman-Herfindahl (IHH) 
 
Os valores calculados do IHH foram classificados de acordo com DOJ-FTC9, que qualifica 
o índice em três diferentes níveis: Baixa concentração, para valores abaixo de 0,15, 
concentração moderada para os índices entre 0,15 e 0,25 e altamente concentrado para os 
valores acima de 0,25. Além dessas três classificações, foi adicionado uma quarta classificação, 
 
9 U.S. Department of Justice and the Federal Trade Commission 
Ano Nordeste Norte
Centro 
Oeste
Sudeste Sul Brasil
2003 1,00 1,00 1,00 0,75 1,00 0,72 
2004 1,00 1,00 1,00 0,74 1,00 0,72 Legenda:
2005 1,00 1,00 1,00 0,66 1,00 0,68 Altamente Concetrado
2006 1,00 1,00 1,00 0,67 1,00 0,68 Alta Concentração
2007 1,00 1,00 1,00 0,73 1,00 0,70 Concentração Moderada
2008 0,98 1,00 1,00 0,74 1,00 0,71 Baixa Concentração
2009 0,97 1,00 1,00 0,73 1,00 0,70 Ausência de Concentração
2010 0,94 1,00 0,98 0,71 1,00 0,68 
2011 0,90 1,00 0,95 0,69 1,00 0,66 
2012 0,86 1,00 0,95 0,68 1,00 0,64 
22 
 
o monopólio, para valores iguais a 1. Os valores calculados para as grandes regiões e para Brasil 
podem ser vistos na tabela 14. 
 
Tabela 14 - Índice de Hirschman-Herfindahl da indústria de cimento no Brasil 
 
 
Os índices calculados do IHH classificam as grandes regiões e o Brasil de forma semelhante 
ao índice razão de concentração, apresentado anteriormente. Mesmo sendo classificados como 
mercados de alta concentração, as regiões Norte, Centro-Oeste e Sul apresentam uma tendência 
de queda da concentração no período analisado, com destaque para a região Norte que teve uma 
redução do índice em 48% entre 2003 e 2012, deixando de ser o único monopólio existente. 
Os índices IHH para a região Nordeste mostram uma mudança de patamar do mercado 
nordestino, passando de um mercado de alta concentração para concentração moderada no 
período analisado, consequência da entrada de novos players na região, atraídos pelo aumento 
do consumo da região, passando de 3 em 2003 para 7 em 2012. 
O mercado do Sudeste, assim como nos índices de razão de concentração, se apresenta como 
a região menos concentrados entres as analisadas, alternando no período analisado entre 
moderadamente concentrado e baixa concentração, sendo este último o panorama atual da 
região. 
Para o Brasil, os índices calculados classificam o mercado de cimento nacional como 
moderadamente concentrado, com uma queda de 28% entre os anos de 2003 a 2012. Do mesmo 
modo como ocorreu no CR4, o IHH para o Brasil sofre forte influência dos valores do sudeste. 
 
6.2.3 Comparativo entre o CR4 e o IHH. 
 
Apesar de ambos os índices de concentração apresentados serem simples de calcular e 
usarem a participação de cada empresa no mercado como base de seus cálculos, o CR4 e o IHH 
abordam a concentração industrial de forma diferente. O primeiro leva em consideração apenas 
as quatros maiores empresas do mercado, enquanto o segundo utiliza a participação de todas as 
empresas do mercado, atribuindo um maior peso as maiores empresas. Devido a essa diferença 
de abordagem é importante a análise dos índices de forma conjunta. 
 
6.2.3.1 Região Norte 
 
Figura 4 – Evolução do CR(4) e IHH no Norte entre 2003 e 2012 
Ano Nordeste Norte
Centro 
Oeste
Sudeste Sul Brasil
2003 0,37 1,00 0,33 0,17 0,57 0,22 Legenda:
2004 0,36 1,00 0,31 0,17 0,58 0,21 Monopólio
2005 0,34 1,00 0,31 0,14 0,55 0,19 Alta Concentração
2006 0,35 1,00 0,31 0,15 0,54 0,19 Concentração Moderada
2007 0,34 0,97 0,33 0,18 0,55 0,21 Baixa Concentração
2008 0,33 0,88 0,33 0,17 0,54 0,21 
2009 0,33 0,66 0,32 0,16 0,54 0,21 
2010 0,27 0,52 0,31 0,15 0,53 0,19 
2011 0,23 0,52 0,29 0,15 0,53 0,18 
2012 0,21 0,52 0,29 0,14 0,53 0,17 
23 
 
 
 
Os índices calculados da região Norte mostram uma pequena mudança deste mercado entre 
os anos de 2003 e 2012, detectado apenas pelo IHH. Até o ano de 2006 ambos os índices eram 
iguais a 1, o que representa a existência de um monopólio, a partir de 2007, com a entrada da 
Votorantim no mercado nortista e com o constante crescimento de sua participação no mercado, 
o IHH atingiu o valor 0,52em 2012. 
Apesar desta redução, o CR4 permaneceu igual a 1, em todo período analisado, pois seu 
cálculo leva em consideração a soma das quatros maiores empresas do mercado. Como no Norte 
apenas atuam os grupos João Santos e Votorantim, o índice não será reduzido até o número de 
empresas atuantes seja, no mínimo, igual a 5. 
Dessa forma, a região Norte do país apresenta um mercado de cimento altamente 
concentrado, o que é explicado pelo reduzido número de players na região, consequência da 
baixa atratividade para novos investimentos nesta região, por apresentar o menor consumo entre 
as grandes regiões brasileiras, adicionado aos maiores custos de frete, devido as adversidades 
geográficas. 
 
6.2.3.2 Região Nordeste 
 
Figura 5 – Evolução do CR(4) e IHH no Nordeste entre 2003 e 2012 
 
 
O crescimento do consumo de cimento e consequente aumento dos números de empresas 
atuantes no mercado nordestino entres os anos de 2003 e 2012 é o principal fator para 
desconcentração apresentado por este mercado segundo os índices de concentração calculados. 
Ambos os índices apresentados mostram uma modéstia descontração deste mercado nos 
primeiros cincos anos analisados, intensificando-se apenas no ano de 2010, com a entrada da 
Lafarge no Nordeste com consideráveis 7% do mercado em seu primeiro ano de atuação. 
Apesar desse movimento de desconcentração, o patamar do mercado nordestino, segundo o 
critério do CR4, se manteve como um mercado altamente concentrado. Em contrapartida, a 
análise pelo IHH torna mais perceptível esse movimento, com significativas reduções dos 
índices nos anos de 2010, 2011 e 2012, passando de um mercado de alta concentração para 
concentração moderada. 
6.2.3.3 Região Centro Oeste 
 
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
CR4 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
HHI 1,00 1,00 1,00 1,00 0,97 0,88 0,66 0,52 0,52 0,52
0,00
1,00
Norte
CR4 HHI
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
CR4 1,00 1,00 1,00 1,00 1,00 0,98 0,97 0,94 0,90 0,86
HHI 0,37 0,36 0,34 0,35 0,34 0,33 0,33 0,27 0,23 0,21
0,00
1,00
Nordeste
CR4 HHI
24 
 
Figura 6 – Evolução do CR(4) e IHH no Centro Oeste entre 2003 e 2012 
 
 
Para a região Centro-Oeste ambos os índices calculados mostram uma pequena redução da 
concentração industrial desta região, tendo essa redução se acentuado no ano de 2010 com a 
entrada na Lafarge neste mercado, aumentando o número de players para 5. Contudo as duas 
maiores empresas da região, Votorantim e Ciplan, concentram cerca de 70% da indústria, 
influenciando bastante nos elevados índices que classificam a região como de alta concentração 
em ambos os casos. 
 
6.2.3.4 Região Sudeste 
 
Figura 7 – Evolução do CR(4) e IHH no Sudeste entre 2003 e 2012 
 
 
Historicamente, o mercado cimenteiro do sudeste do país é caraterizado por ser o maior do 
país, tanto em produção, como em consumo de cimento, impulsionado pelos três maiores 
estados brasileiros São Paulo, Minas Gerais e Rio de Janeiro. Como consequências disso, cada 
vez mais empresas investiram neste mercado, acirrando a sua concorrência. 
Dessa forma, o mercado de cimento do sudeste é o que apresenta a menor concentração 
industrial do país, com índices de 0,68 (CR4) e 0,14 (IHH) em 2012, classificando a região 
como de alta concentração e baixa concentração, respectivamente. Essa discrepância na 
classificação é explicada pela baixa sensibilidade do CR4, que capta apenas movimentos das 
quatros maiores empresas, deixando de lado a entrada de novas empresas neste mercado. 
Apesar das diferentes classificações, os índices calculados tiveram movimentos similares no 
período analisado, apresentando nos três primeiros anos redução da concentração. Entre 2006 
e 2008, um movimento contrário, intensificado em 2007 com a compra da CCRG pela 
Votorantim, ocorrida no final do ano de 2006, porém contabilizados a partir de 2007. E nos 
anos seguintes um novo movimento de redução, decorrente da entrada de novos players no 
mercado. 
6.2.3.5 Região Sul 
 
Figura 8 – Evolução do CR(4) e IHH no Sul entre 2003 e 2012 
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
CR4 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,98 0,95 0,95
HHI 0,33 0,31 0,31 0,31 0,33 0,33 0,32 0,31 0,29 0,29
0,00
1,00
Centro Oeste
CR4 HHI
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
CR4 0,75 0,74 0,66 0,67 0,73 0,74 0,73 0,71 0,69 0,68
HHI 0,17 0,17 0,14 0,15 0,18 0,17 0,16 0,15 0,15 0,14
 -
 1,00
Sudeste
CR4 HHI
25 
 
 
 
A região Sul se assemelha bastante a região Norte do país, devido ao reduzido número de 
players atuantes no mercado, dessa forma, o CR4 para esta região, no período analisado, 
permaneceu constante em 1. 
O IHH desta região é o maior dentre todos os mercados estudados, consequência da grande 
participação de mercado da Votorantim nesta região, que variou entre 74% e 70% entre 2003 e 
2012, elevando bastante os valores do IHH. Outras empresas com destaque na região são a 
Itambé e Cimpor com participação 17% e 10% do mercado em 2012, respectivamente. 
6.2.3.6 Brasil 
 
Figura 9 – Evolução do CR(4) e IHH no Brasil entre 2003 e 2012 
 
 
A produção de cimento do mercado brasileiro cresceu aproximadamente 102% nos 10 anos 
analisados, apresentando um crescimento no número de empresas atuantes neste mercado de 
10 para 15 no mesmo período. Esse aumento no número de players é o principal responsável 
pela desconcentração ocorrida no setor cimenteiro do Brasil. 
Os movimentos dos índices calculados se assemelham bastante aos movimentos da região 
sudeste, por ser esta responsável por cerca de 49% da produção de cimento no país. Em 2012, 
a indústria brasileira de cimento é classificada, por ambos os índices, como moderadamente 
concentrada. 
As perspectivas futuras para a concentração da indústria de cimento brasileira são bastante 
imprevisíveis devido a dois recentes fatos que impactam diretamente na estrutura deste 
mercado, um com uma perspectiva de desconcentração, enquanto o segundo implica em um 
aumento da concentração. 
O primeiro caso é referente a punição imposta pelo Conselho Administrativo de Direito 
Econômico – CADE, em maio de 2014, a seis empresas do mercado de cimento acusadas da 
pratica de cartel, entre elas quatro das principais produtoras de cimento no país: Votorantim 
Cimentos, Holcim do Brasil S.A., Intercement e Cimpor Cimentos do Brasil Ltda. 
As punições impostas foram multas que somam R$ 3,1 bilhões e venda de partes dos ativos 
das companhias envolvidas, permitindo assim a entrada de novos concorrentes no mercado. 
Contudo, da decisão ainda cabe recurso. 
Esta decisão tem forte impacto na concentração da indústria de cimento, visto que, caso seja 
confirmada as empresas punidas terão que se desfazer de partes de suas capacidades instaladas, 
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
CR4 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
HHI 0,57 0,58 0,55 0,54 0,55 0,54 0,54 0,53 0,53 0,53
 -
 1,00
Sul
CR4 HHI
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
CR4 0,72 0,72 0,68 0,68 0,70 0,71 0,70 0,68 0,66 0,64
HHI 0,22 0,21 0,19 0,19 0,21 0,21 0,21 0,19 0,18 0,17
 -
 1,00
Brasil
CR4 HHI
26 
 
abrindo espaço para entrada de novas companhias no mercado ou aumento de participação de 
um player já atuante. 
O segundo fato de impacto no mercado é a fusão anunciada pelas duas maiores cimenteiras 
do mundo, excluindo-se a China, a Larfage e Holcim, com impactos diretos no mercado 
nacional. Com a fusão, a nova companhia passaria a deter cerca de 16% das vendas anuais de 
cimento, o que a colocaria como a terceira maior do Brasil, com o grupo Camargo Correia em 
segundo, dono da Intercement/Cimpor e a Votorantim sendo a primeira. Essa fusão aumentaria, 
consideravelmente, a concentração da indústria de cimento. 
6.3 Relação entre a elasticidade preço-demanda e os índices de concentração 
 
Apesar de serem assuntos distintos, é possível analisar os resultadosencontrados dos 
índices de concentração e das elasticidades preço-demanda obtidas em cada região estudada de 
forma conjunta, afim de estabelecer relações entres os dois temas. A tabela 15 apresenta os 
resultados encontrados da elasticidade e a classificação de acordo com IHH no período 
estudado. 
 
Tabela 15 – Comparativo entre a elasticidade preço-demanda e o índice de concentração – Brasil e 
grandes regiões 
 
 
Analisando a tabela, é perceptível que as regiões com maiores concentrações (Centro Oeste 
e Sul) apresentam uma baixa elasticidade, devido ao grande poder de mercado das empresas 
atuantes nessas regiões, principalmente da Votorantim Cimentos que detém 38% e 70% dos 
respectivos mercados. 
Assim como, as regiões que apresentam menores índices de concentração (Nordeste, 
Sudeste e Brasil), por terem um maior número de players atuantes, são também as que 
apresentam as demandas mais elásticas em relação ao preço, já que há uma concorrência maior 
nestes mercados. 
A região Norte não se enquadra na análise feita anteriormente e merece uma explicação a 
parte, pois apresenta um alto índice de concentração e uma grande elasticidade comparada aos 
demais mercados estudados. 
Os dados históricos do preço do cimento disponíveis pela CBIC para região Norte 
contemplam apenas dados do estado do Amazonas e Rondônia para os anos de 2003 a 2006, e 
os estados do Amazonas, Rondônia e Pará no período de 2007 a 2011. Dessa forma, 65% e 20% 
do mercado de cimento nortista, respectivamente, não foram representados nos preços da 
região. 
Estados esses que não possuem unidades fabris de cimento, com exceção do Tocantins onde 
foi inaugurada uma unidade em 2009. Logo, o preço do cimento nestes estados é bastante 
onerado pelo frete, devido à distância das unidades fabris e as adversidades de logística e 
geográfica da região. Assim, os preços praticados nestes estados são bastante elevados quando 
comparados aos três estados considerados no estudo, o que elevaria a média de preço da região 
norte significativamente, diminuindo, desta forma, a elasticidade preço-demanda para este 
mercado. 
Região Concentração (IHH)
Norte 0,330 Monopólio/Alta
Nordeste 0,220 Alta/Moderada
Centro Oeste 0,085 Alta
Sudeste 0,250 Moderada/Baixa
Sul 0,060 Alta
Brasil 0,200 Moderada
 
27 
 
7 Conclusão 
O setor produtor de cimento está na base da cadeia produtiva da indústria da construção 
civil e é de relevante importância para o desenvolvimento da economia nacional, visto que é 
um insumo essencial para a atividade da construção. A importância dessa atividade pode ser 
verificada pelos encadeamentos gerados por este setor na economia nacional. 
A indústria de cimento brasileira se desenvolveu junto com o Brasil, acompanhando os 
momentos de crescimento, assim como os de retrações apresentados pela economia brasileira 
desde a década de 70. O mercado de cimento se caracteriza por ser um oligopólio natural de 
capital intensivo, com poucos players atuantes. A produção nacional de cimento é marcada pela 
presença de grandes grupos empresariais, que têm operações espalhadas por diversas regiões 
do país. 
Em razão da relevância do presente tema no âmbito nacional e escassez de estudos na área 
da indústria cimenteira do Brasil, o presente trabalho fez uma análise sob dois aspectos 
fundamentais deste mercado: a elasticidade preço-demanda por cimento e índice de 
concentração desta indústria. 
A partir de séries históricas de consumo, preços e índices de atividade da construção civil 
pôde-se estimar as equações de demandas para cada região brasileira e para o Brasil, 
concluindo, dessa forma, que a demanda por cimento do Brasil é inelástica em relação ao preço 
do mesmo, ou seja, é improvável que aumentos no preço do cimento afetem a decisão de 
execução de um projeto. 
Os índices de concentração calculados para essa indústria confirmaram a afirmação de que 
a indústria de cimento é um oligopólio natural, tais números mostraram a alta concentração 
regional desta industrial e uma moderada concentração em âmbito nacional. Contudo, também 
apontou a desconcentração deste mercado no período analisado. 
Dado o constante e elevado crescimento dessa indústria, que vem ganhando cada vez mais 
importância no cenário industrial nacional, as perspectivas futuras para o mercado de cimento 
mostraram-se positivas, com um otimismo traduzido nas crescentes construções de novas 
plantas indústrias em andamento e já anunciadas por diversos grupos atuantes no mercado. 
Dessa forma, a indústria encontra-se preparada para aumentos na demanda e apta a atender o 
mercado interno de cimento. 
 
8 Referências Bibliográficas 
COMPETITION COMMISSION. Aggregates, cement and ready-mix concrete market 
investigation. Janeiro 2012. 
 
CUNHA, L, M, S; FERNANDEZ, C, Y, H. A indústria de cimento: perspectivas de 
retomada gradual. BNDES setorial, n. 18, p. 149-164, setembro de 2003. 
 
FREDERICK, W. Demand and Price Analysis, USDA, Technical Bulletin 1316, reprinted 
from 1964; 
GALDINO, A. C. e GARCIA, L. A. F. A estrutura, conduta e desempenho da indústria 
brasileira de cimento a partir de 1990. Cascavel, 2008. VII Seminário do Centro de 
Ciências Sociais Aplicadas Camous de Cascavel 
 
GARCIA, L. A. F. A organização industrial da moagem de trigo no Brasil. Piracicaba,1997. 
158f. Dissertação (Mestrado em Economia) – Escola Superior de Agricultura “Luiz de Queiroz” 
– Universidade de São Paulo. 
28 
 
GUAJARATI, D. Econometria Básica. Rio de Janeiro, Elsevier, 2006. 
JANNUZZI, J. M.; SANTOS, H. T. M. Análise dos investimentos do Programa de Eficiência 
Energética das concessionárias de distribuição de eletricidade. Universidade Estadual de 
Campinas - UNICAMP 
 
JAZYNSKI, T.; KOVALESKI, J. L.; BETIM, L.M. Indústria automobilística brasileira: 
uma análise da concentração industrial, 2013.Congresso Internacional de Administração. 
 
J. MENDO CONSULTORIA. Desenvolvimento de estudos para elaboração do plano 
duodecenal (2010-2030) de geologia, mineração e transformação mineral. Setembro 2009 
KUPFER, D; HASENCLEVER, L. (org). Economia industrial: fundamentos teóricos e 
práticos no Brasil. Rio de Janeiro: Elsevier, 2002. 
INTERNATIONAL CEMENT REVIEW. The Global Cement Report 10ª. Edição 2013 
 
INTERNATIONAL CEMENT REVIEW , disponível em: http://www.cemnet.com/. 
IPEA. Estimativas do déficit habitacional brasileiro (2007-2011) por municípios (2010). 
Nº 1. Brasília, 2013 
 
MANKIW, N.G,. Introdução à economia. 3º edição. São Paulo: Cengage Learning, 2009. 
 
MEDEIROS, N. H.; OSTROSKI, D. A.. Competitividade e concentração de mercado: uma 
análise da avicultura nas mesorregiões oeste e sudoeste paranaense. In: Congresso da 
SOBER, XLIV, Fortaleza, 2006. 
 
PINDYCK, R. S.; RUBINFELD, D. L. Econometria : Modelos & Previsões. Rio de Janeiro, 
Elsevier, 2004. 
PROCHNIK, V. A dinâmica da indústria de cimento no Brasil. Instituto de Economia 
Industrial - UFRJ, 1983. 
PROCHNIK, V.; PEREZ, A.; SILVA C.M.S. A globalização na indústria de cimento. 
Universidade Federal do Rio de Janeiro - UFRJ, Novembro 1998. 
PROTO, L. O.; MESQUITA, M. Previsão de demanda para planejamento da capacidade 
de empresa do setor cimenteiro. XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, 
Brasil. Outubro 2003. 
RESENDE, M. Medidas de concentração industrial: Uma resenha. Analise Econômica, 
ano 12, Nº 21 e 22. Setembro, 1994. 
 
ROCHA, F. Dinâmica da concentração de mercado na indústria brasileira. Economia e 
Sociedade, Campinas, v. 19, n. 3 (40), p. 477-498, Dezembro 2010. 
 
SALVO, A. Conduct in the Brazilian Cement Industry. London School of Economics and 
STICERD, Julho 2004. 
 
SILVA, M. R. M.; ZEIDAN, R. M. Avaliação quantitativa do poder de mercado: Uma 
aplicação ao oligopólio de cimento. Rio de Janeiro, 2006. 
http://www.cemnet.com/
29 
 
 
SINDICATO NACIONAL DA INDÚSTRIA DE CIMENTO - SNIC. Relatório anual, 2012- 
2013. Disponívelem: <http://www.snic.org.br/relatorio_anual_dinamico.asp>; 
SINDICATO NACIONAL DA INDÚSTRIA DE CIMENTO - SNIC. Press Kit 2013, Agosto 
2013. Disponível em: < http://www.snic.org.br/pdf/presskit_SNIC_2013.pdf>; 
VARIAN, H. Microeconomia: Princípios Básicos. 7º edição. Rio de Janeiro: Ed. Campus, 
2006, cap.15. 
VOTORANTIM CIMENTOS. Oferta pública iniciais de ações da Votorantim Cimentos S 
A – Prospecto preliminar. Maio 2013. 
U.S. DEPARTMENT OF JUSTICE AND THE FEDERAL TRADE COMMISSION. 
Horizontal Merger Guidelines. Agosto 2010. 
WEINSTEIN, B. L. Economic impacts of cement industry regulations: The proposed 
Portland cement NESHAP Rule. Southern Methodist University. Texas, Fevereiro 2010. 
WOOLDRIDGE, J. M. Introdução à econometria: uma abordagem moderna. 2. ed. São 
Paulo: Cengage Learning, 2010. cap. 3 e 10.